Interfaz de software Autonavi3at para navegar de forma autónoma en vías urbanas mediante visión omnidireccional y un robot móvil

Palabras clave: visión omnidireccional, puntos de fuga, filtros de particulas, vehículos autónomos

Resumen

El diseño de sistemas de navegación autónomos eficientes para robots móviles o vehículos autónomos es fundamental para realizar las tareas programadas. Básicamente, se utilizan dos tipos de sensores en el seguimiento de vías urbanas: LIDAR y cámaras. Los sensores LIDAR son muy precisos, pero costosos y se necesita trabajo adicional para la comprensión humana de las escenas de nubes de puntos; sin embargo, los seres humanos entienden mejor el contenido visual, lo que debería usarse para desarrollar interfaces humano-robot. En este trabajo, se presenta una herramienta de software de seguimiento de carreteras urbanas basada en visión artificial llamada AutoNavi3AT para robots móviles y vehículos autónomos. El esquema de seguimiento de vías urbanas propuesto en AutoNavi3AT utiliza la estimación del punto de fuga y el seguimiento de imágenes panorámicas para controlar el avance del robot móvil en la vía urbana. Para ello se utilizaron filtros Gabor, crecimiento de regiones y filtros de partículas. Además, los datos de alcance del láser también se emplean para evitar obstáculos locales. Los resultados cuantitativos se lograron utilizando dos tipos de pruebas, una utiliza conjuntos de datos adquiridos en el campus de la Universidad del Valle y pruebas de campo utilizando un robot móvil Pioneer 3AT. Como resultado, se lograron mejoras importantes en la estimación del punto de fuga de 68.26% y 61.46% en promedio, lo cual es útil para robots móviles y vehículos autónomos cuando se desplazan por vías urbanas.

Biografía del autor/a

Jorge Enrique Caicedo Martínez, Universidad del Valle

BS in Electronic Engineering, Universidad del Valle. Programmer, Abka Colombia S.A.S., Cali, Colombia.

Bladimir Bacca Cortes, Universidad del Valle

PhD in Technology. Universitat de Girona, Spain. Professor, Universidad del Valle, Cali, Colombia.

Descargas

Los datos de descargas todavía no están disponibles.

Agencias de apoyo:

Universidad del Valle

Biografía del autor/a

Jorge Enrique Caicedo Martínez, Universidad del Valle

BS in Electronic Engineering, Universidad del Valle. Programmer, Abka Colombia S.A.S., Cali, Colombia.

Bladimir Bacca Cortes, Universidad del Valle

PhD in Technology. Universitat de Girona, Spain. Professor, Universidad del Valle, Cali, Colombia.

Referencias bibliográficas

V. H. Mistry and R. M. Makwana, "Computationally efficient vanishing point detection algorithm based road segmentation in road images," in 2016 IEEE International Conference on Advances in Electronics, Communication and Computer Technology (ICAECCT), 2016, pp. 103-110. DOI: https://doi.org/10.1109/ICAECCT.2016.7942564

J. Caicedo Martínez and B. Bacca-Cortes, "AutoNavi3AT, Seguimiento de una Vía Urbana usando Visión Omnidireccional para la Navegación en Vehículos Autónomos." Dirección Nacional de Derechos de Autor, Ministerio del Interior, Bogotá, Colombia, p. 1, 2019.

P. Moghadam and J. F. Dong, "Road direction detection based on vanishing-point tracking," in 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems, 2012, pp. 1553-1560. DOI: https://doi.org/10.1109/IROS.2012.6386089

K. Sabu and M. H. Nerkar, "Vanishing Point Estimation for On-Road Navigation," Int. J. Emerg. Technol. Adv. Eng., vol. 5, no. 4, pp. 73-77, 2015.

J. Wang, S. Sun, and X. Zhao, "Unstructured road detection and path tracking for tracked mobile robot," in 2015 IEEE International Conference on Cyber Technology in Automation, Control, and Intelligent Systems (CYBER), 2015, pp. 535-539. DOI: https://doi.org/10.1109/CYBER.2015.7287996

K. Lu, J. Li, X. An, and H. He, "Vision Sensor-Based Road Detection for Field Robot Navigation," Sensors, vol. 15, no. 11, pp. 29594-29617, Nov. 2015. DOI: https://doi.org/10.3390/s151129594

X. Guo, Q. Li, and C. Sun, "A new road tracking method based on heading direction detection," Proc. Inst. Mech. Eng. Part D J. Automob. Eng., vol. 233, no. 2, pp. 232-248, Feb. 2019. DOI: https://doi.org/10.1177/0954407017740791

S. Kumaar, S. Mannar, N. B, P. R. S, and O. S. N, "High Speed Autonomous Navigation of Unmanned Aerial Vehicles using novel Road Identification, Following & Tracking (RIFT) Algorithm*," in 2019 IEEE International Conference on Distributed Computing, VLSI, Electrical Circuits and Robotics (DISCOVER), 2019, pp. 1-6. DOI: https://doi.org/10.1109/DISCOVER47552.2019.9007990

R. Miyamoto et al., "Vision-Based Road-Following Using Results of Semantic Segmentation for Autonomous Navigation," in 2019 IEEE 9th International Conference on Consumer Electronics (ICCE-Berlin), 2019, pp. 174-179. DOI: https://doi.org/10.1109/ICCE-Berlin47944.2019.8966198

J.-C. Bazin and M. Pollefeys, "3-line RANSAC for orthogonal vanishing point detection," in 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems, 2012, pp. 4282-4287. DOI: https://doi.org/10.1109/IROS.2012.6385802

R. Munguía, C. López-Franco, E. Nuño, and A. López-Franco, "Method for SLAM Based on Omnidirectional Vision: A Delayed-EKF Approach," J. Sensors, vol. 2017, pp. 1-14, 2017. DOI: https://doi.org/10.1155/2017/7342931

D. C. Hernandez, Van-Dung Hoang, A. Filonenko, and Kang-Hyun Jo, "Vision-based heading angle estimation for an autonomous mobile robots navigation," in 2014 IEEE 23rd International Symposium on Industrial Electronics (ISIE), 2014, pp. 1967-1972. DOI: https://doi.org/10.1109/ISIE.2014.6864917

Z. Shang and Z. Shen, "Vision-model-based Real-time Localization of Unmanned Aerial Vehicle for Autonomous Structure Inspection under GPS-denied Environment," Apr. 2019. DOI: https://doi.org/10.1061/9780784482445.037

K.-W. Kim, J.-H. Im, M.-B. Heo, and G.-I. Jee, "Precise Vehicle Position and Heading Estimation Using a Binary Road Marking Map," J. Sensors, vol. 2019, pp. 1-18, Jan. 2019. DOI: https://doi.org/10.1155/2019/1296175

Wenhao Xu, Yan Zhuang, Huosheng Hu, and Yiwen Zhao, "Real-time road detection and description for robot navigation in an unstructured campus environment," in Proceeding of the 11th World Congress on Intelligent Control and Automation, 2014, pp. 928-933. DOI: https://doi.org/10.1109/WCICA.2014.7052840

V. Grassi Junior and J. Okamoto Junior, "Development of an omnidirectional vision system," J. Brazilian Soc. Mech. Sci. Eng., vol. 28, no. 1, pp. 58-68, Mar. 2006. DOI: https://doi.org/10.1590/S1678-58782006000100007

F. Deng, X. Zhu, and C. He, "Vision-Based Real-Time Traversable Region Detection for Mobile Robot in the Outdoors," Sensors, vol. 17, no. 9, p. 2101, Sep. 2017. DOI: https://doi.org/10.3390/s17092101

M. Montemerlo, S. Thrun, and W. Whittaker, "Conditional particle filters for simultaneous mobile robot localization and people-tracking," Proc. 2002 IEEE Int. Conf. Robot. Autom. (Cat. No.02CH37292), vol. 1, pp. 695-701.

O. Khatib, "Real-time obstacle avoidance for manipulators and mobile robots," Int. J. Rob. Res., vol. 5, no. 1, pp. 90-98, 1986. DOI: https://doi.org/10.1177/027836498600500106

C. Mei and P. Rives, "Single View Point Omnidirectional Camera Calibration from Planar Grids," 2004.

Cómo citar
Caicedo Martínez, J. E., & Bacca Cortes, B. (2022). Interfaz de software Autonavi3at para navegar de forma autónoma en vías urbanas mediante visión omnidireccional y un robot móvil. Ciencia E Ingeniería Neogranadina, 32(1), 99–113. https://doi.org/10.18359/rcin.5724
Publicado
2022-06-03
Sección
Artículos

Métricas

Crossref Cited-by logo
QR Code

Datos de los fondos